Um algoritmo genético para o planejamento de sistemas hidroelétricos

Detalhes bibliográficos
Autor(a) principal: Asano, Patrícia Teixeira Leite
Data de Publicação: 1999
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/18/18133/tde-06062024-153224/
Resumo: O Planejamento da Operação dos Sistemas Hidrotérmicos de Potência vem sendo formulado através de modelos de otimização e simulação. Estes métodos apresentam imperfeições enerentes, susceptíveis de aperfeiçoamento, uma vez que lidam com problemas não-lineares bastante complexos e de difíceis soluções. Algumas abordagens baseiam-se na programação dinâmica ou em técnicas de programação não-linear, que apresentam deficiências de convergência, simplificação da formulação original do problema, ou dificuldades devido à complexidade da função objetivo. Com a finalidade de encontrar métodos mais eficazes para solução do problema, este trabalho propõem métodos de Inteligência Artificial que possam superar as deficiências encontradas nas abordagens tradicionais. A abordagem proposta, utilizando técnicas de Algoritmos Genéticos, foi aplicada em vários testes com usinas hidroelétricas pertencentes ao Sistema Brasileiro. Os testes procuram reproduzir as mesmas situações encontradas nos estudos e ações do Planejamento da Operação de Sistemas Hidrotérmicos de Potência, visando determinar o cronograma ótimo de operação. Os resultados foram comparados com outros obtidos através da técnica tradicional de programação não-linear, já exaustivamente testada
id USP_d172dc681366a78d75119c1c067d748b
oai_identifier_str oai:teses.usp.br:tde-06062024-153224
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Um algoritmo genético para o planejamento de sistemas hidroelétricosA genetíc algorithm applied to hydroelectric system planningalgoritmos genéticosartificial intelligencegeneíic aigorithmshydrothermical systemsinteligência artificialoperation planningoptimizationotimizaçãoplanejamento da operaçãosistemas hidrotérmicosO Planejamento da Operação dos Sistemas Hidrotérmicos de Potência vem sendo formulado através de modelos de otimização e simulação. Estes métodos apresentam imperfeições enerentes, susceptíveis de aperfeiçoamento, uma vez que lidam com problemas não-lineares bastante complexos e de difíceis soluções. Algumas abordagens baseiam-se na programação dinâmica ou em técnicas de programação não-linear, que apresentam deficiências de convergência, simplificação da formulação original do problema, ou dificuldades devido à complexidade da função objetivo. Com a finalidade de encontrar métodos mais eficazes para solução do problema, este trabalho propõem métodos de Inteligência Artificial que possam superar as deficiências encontradas nas abordagens tradicionais. A abordagem proposta, utilizando técnicas de Algoritmos Genéticos, foi aplicada em vários testes com usinas hidroelétricas pertencentes ao Sistema Brasileiro. Os testes procuram reproduzir as mesmas situações encontradas nos estudos e ações do Planejamento da Operação de Sistemas Hidrotérmicos de Potência, visando determinar o cronograma ótimo de operação. Os resultados foram comparados com outros obtidos através da técnica tradicional de programação não-linear, já exaustivamente testadaThe Power Systems Hydrothermal Operation Plamng is nowadays formulaíed through optimizaíion models and simulations. These approaches show inherení imperfections, susceptible to improvement, since they deal with complex non-linear problems with difficult solution. Some approaches are based on dynamic programming or in nou-linear programming tecbniques, which also present some drawbacks, such as hard convergence, simplification of the origmal problem formulation, or difficulty due to complex object function. In order to find more efficient methods to solve this problem, the present study uses Artificial Inteligent Techniques to overcome the inaccuracies found in the traditional approaches. The proposed approach, using Genetic Algorithms techniques, was applied m various tests with hydroelectric plants belonging to the Brazílian System. The tests reproduces the same situations found in the studies and procedures of the Hydrothermal System Planning, aiming to determine the optimal operation scheduling. The results achieved were compared to those obtained by an algorithm using the traditional Non-linear Programming, which has been extensively investigated and tested.Biblioteca Digitais de Teses e Dissertações da USPCarneiro, Adriano Alber de Franca MendesAsano, Patrícia Teixeira Leite1999-05-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18133/tde-06062024-153224/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-06-07T15:41:02Zoai:teses.usp.br:tde-06062024-153224Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-06-07T15:41:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Um algoritmo genético para o planejamento de sistemas hidroelétricos
A genetíc algorithm applied to hydroelectric system planning
title Um algoritmo genético para o planejamento de sistemas hidroelétricos
spellingShingle Um algoritmo genético para o planejamento de sistemas hidroelétricos
Asano, Patrícia Teixeira Leite
algoritmos genéticos
artificial intelligence
geneíic aigorithms
hydrothermical systems
inteligência artificial
operation planning
optimization
otimização
planejamento da operação
sistemas hidrotérmicos
title_short Um algoritmo genético para o planejamento de sistemas hidroelétricos
title_full Um algoritmo genético para o planejamento de sistemas hidroelétricos
title_fullStr Um algoritmo genético para o planejamento de sistemas hidroelétricos
title_full_unstemmed Um algoritmo genético para o planejamento de sistemas hidroelétricos
title_sort Um algoritmo genético para o planejamento de sistemas hidroelétricos
author Asano, Patrícia Teixeira Leite
author_facet Asano, Patrícia Teixeira Leite
author_role author
dc.contributor.none.fl_str_mv Carneiro, Adriano Alber de Franca Mendes
dc.contributor.author.fl_str_mv Asano, Patrícia Teixeira Leite
dc.subject.por.fl_str_mv algoritmos genéticos
artificial intelligence
geneíic aigorithms
hydrothermical systems
inteligência artificial
operation planning
optimization
otimização
planejamento da operação
sistemas hidrotérmicos
topic algoritmos genéticos
artificial intelligence
geneíic aigorithms
hydrothermical systems
inteligência artificial
operation planning
optimization
otimização
planejamento da operação
sistemas hidrotérmicos
description O Planejamento da Operação dos Sistemas Hidrotérmicos de Potência vem sendo formulado através de modelos de otimização e simulação. Estes métodos apresentam imperfeições enerentes, susceptíveis de aperfeiçoamento, uma vez que lidam com problemas não-lineares bastante complexos e de difíceis soluções. Algumas abordagens baseiam-se na programação dinâmica ou em técnicas de programação não-linear, que apresentam deficiências de convergência, simplificação da formulação original do problema, ou dificuldades devido à complexidade da função objetivo. Com a finalidade de encontrar métodos mais eficazes para solução do problema, este trabalho propõem métodos de Inteligência Artificial que possam superar as deficiências encontradas nas abordagens tradicionais. A abordagem proposta, utilizando técnicas de Algoritmos Genéticos, foi aplicada em vários testes com usinas hidroelétricas pertencentes ao Sistema Brasileiro. Os testes procuram reproduzir as mesmas situações encontradas nos estudos e ações do Planejamento da Operação de Sistemas Hidrotérmicos de Potência, visando determinar o cronograma ótimo de operação. Os resultados foram comparados com outros obtidos através da técnica tradicional de programação não-linear, já exaustivamente testada
publishDate 1999
dc.date.none.fl_str_mv 1999-05-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18133/tde-06062024-153224/
url https://www.teses.usp.br/teses/disponiveis/18/18133/tde-06062024-153224/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256718926413824

Registros relacionados